专栏首页arxiv.org翻译专栏GenCAT:使用类、属性和拓扑之间的受控关系生成属性图

GenCAT:使用类、属性和拓扑之间的受控关系生成属性图

生成带有节点标签的大型综合属性图是支持各种图分析方法实验研究的一项重要任务。现有的图形生成器无法同时模拟真实图形所显示的标签、属性和拓扑之间的关系。出于这一限制,我们提出了GenCAT,一种用于控制这些关系的属性图生成器,它具有以下优点。(i) GenCAT生成具有用户指定的节点度的图,并通过将每个节点的连接比例合并到类中来灵活控制节点和标签之间的关系。(ii)生成的属性值遵循用户指定的分布,用户可以灵活控制属性和标签之间的相关性。(iii)图形生成与边数成线性比例。GenCAT是第一个支持所有这三种实用功能的生成器。通过大量的实验,我们证明GenCAT可以有效地生成高质量的复杂属性图,并且标签、属性和拓扑之间的关系由用户控制。

原文标题:GenCAT: Generating Attributed Graphs with Controlled Relationships between Classes, Attributes, and Topology

原文:Generating large synthetic attributed graphs with node labels is an important task to support various experimental studies for graph analysis methods. Existing graph generators fail to simultaneously simulate the relationships between labels, attributes, and topology which real-world graphs exhibit. Motivated by this limitation, we propose GenCAT, an attributed graph generator for controlling those relationships, which has the following advantages. (i) GenCAT generates graphs with user-specified node degrees and flexibly controls the relationship between nodes and labels by incorporating the connection proportion for each node to classes. (ii) Generated attribute values follow user-specified distributions, and users can flexibly control the correlation between the attributes and labels. (iii) Graph generation scales linearly to the number of edges. GenCAT is the first generator to support all three of these practical features. Through extensive experiments, we demonstrate that GenCAT can efficiently generate high-quality complex attributed graphs with user-controlled relationships between labels, attributes, and topology.

原文链接:https://arxiv.org/abs/2109.04639

原文作者:Seiji Maekawa, Yuya Sasaki, George Fletcher, Makoto Onizuka

我来说两句

0 条评论
登录 后参与评论

相关文章

  • Nature Reviews Neuroscience:脑网络组织的经济性

    大脑是昂贵的,相对于身体大小而言,大脑会产生高昂的物质和代谢成本,而脑网络可以通过改变组织形式来减少这些成本。但是,脑网络连接组也有很高的拓扑效率、鲁...

    用户1279583
  • 快速开发基于 HTML5 网络拓扑图应用--入门篇(一)

    HT_hightopo
  • 数百个 HTML5 例子学习 HT 图形组件 – 拓扑图篇

    HT 是啥:Everything you need to create cutting-edge 2D and 3D visualization. 这口号是当年...

    HT for Web
  • 数百个 HTML5 例子学习 HT 图形组件 – 拓扑图篇

    HT_hightopo
  • 基于 HTML5 网络拓扑图的快速开发之入门篇(一)

    计算机网络的拓扑结构是引用拓扑学中研究与大小,形状无关的点、线关系的方法。把网络中的计算机和通信设备抽象为一个点,把传输介质抽象为一条线,由点和线组成的几何图形...

    HT_hightopo
  • arXiv | 图表示方法驱动大分子计算研究

    今天给大家介绍的是麻省理工学院(MIT)材料科学与工程系研究人员近期发表在arXiv上的一篇有关大分子表示的研究。作者提出一种大分子的图表示方法,为大分子的表示...

    DrugAI
  • SDNLAB技术分享(十八):如何使用SDNLAB实验平台

    1. 实验平台简介 SDNLAB实验平台是一个供个人,高校和企业机构研究未来网络方向和技术的实验环境,为用户进行各种实验验证提供服务。通过该实验平台用户可以获取...

    SDNLAB
  • PNAS:几何重正化揭示了多尺度人体连接组的自相似性

    大脑的结构连通性通常是通过将其观察减少到单一的空间分辨率来研究的。然而,大脑拥有一个组织在多个尺度上彼此连接丰富的架构。我们利用五种不同分辨率重建的健康受试者数...

    悦影科技
  • (翻译)现代网络负载平衡和代理简介(一)

    最近注意到,关于现代网络负载均衡和代理可用的介绍性教育材料很少。心想:怎么会这样呢?负载均衡可是关于构造可靠的分布式系统所需核心概念之一啊,有高质量的信息么?我...

    仇诺伊
  • 基于 HTML5 Canvas 绘制的电信网络拓扑图

    HT_hightopo
  • 基于目标导向行为和空间拓扑记忆的视觉导航方法

    动物,包括人类在内,在空间认知和行动规划方面具有非凡的能力,与其对应的导航行为也在心理学和神经科学中得到广泛研究.1948年, Tolman提出“认知地图(co...

    苏州程序大白
  • 基于 HTML5 Canvas 的元素周期表展示

    之前在网上看到别人写的有关元素周期表的文章,深深的勾起了一波回忆,记忆里初中时期背的“氢氦锂铍硼,碳氮氧氟氖,钠镁铝硅磷,硫氯氩钾钙”、“养(氧)龟(硅)铝铁盖...

    HT_hightopo
  • ArcMap进行数据编辑

    [1]启动ArcMap,新建空白地图文档; [2]打开【目录】窗口,定位到【2-Data】->【ArcMapEditing.mxd】,双击打开地图文档; [...

    魏晓蕾
  • ICDM 2019最佳论文:从图片、文本到网络结构数据翻译,一种新型的多属性图翻译模型

    文中还提出了一种特殊形式的基于拉普拉斯图频谱的正则化方法,来学习和保持图节点和边属性的一致化。最后,在对合成和实际应用数据(物联网安全优化,化学反应预测)的大量...

    机器之心
  • HDFS NameNode内存详解

    前言 《HDFS NameNode内存全景》中,我们从NameNode内部数据结构的视角,对它的内存全景及几个关键数据结构进行了简单解读,并结合实际场景介绍了N...

    美团技术团队
  • Biological Psychiatry:抑郁症,神经影像学和连接组学

    抑郁症是一种全球流行的精神疾病,以情感、认知和躯体症状为特征。神经心理学研究表明抑郁症患者在执行功能、记忆和情绪处理方面存在障碍。神经影像学研究表明,抑郁症患者...

    用户1279583
  • 基于 HTML5 Canvas 的 Web SCADA 组态电机控制面板

    HT For Web 提供完整的基于 HTML5 图形界面组件库。您可以轻松构建现代化的,跨桌面和移动终端的企业应用,无需担忧跨平台兼容性,及触屏手势交互等棘手...

    HT for Web
  • Istio系列三:Mixer、Pilot组件分析实践

    本文为Istio系列的终结篇,前两篇《Istio系列一:Istio的认证授权机制分析》、《Istio系列二:Envoy组件分析》笔者分别对Istio的安全机制和...

    绿盟科技研究通讯
  • DARPA如何定义网络作战空间

    * 本文原创作者:ArkTeam/HP,本文属FreeBuf原创奖励计划,未经许可禁止转载 在PLANX项目的BAA中描述了概念性的网络作战空间,整个项目以该定...

    FB客服

扫码关注云+社区

领取腾讯云代金券